QYOLO：基于量子启发的轻量级目标检测 via Quantum Inspired Shared Channel Mixing
计算机视觉与模式识别
2026-04-30 v1 人工智能
新兴技术
摘要
目标检测架构的快速发展使单阶段检测器成为实时视觉感知的主导解决方案。在这些模型中，计算开销的主要来源于深层主干网络阶段，其中位于高步幅级别的 C2f 瓶颈模块因其随通道宽度二次比例扩缩而累积了比例的计算资源。本文引入 QYOLO，一个量子启发的通道混合框架，通过替换 P4/16（512 通道）和 P5/32（1024 通道）处最深的两个主干 C2f 模块为紧凑的 QMixBlock，实现真正的架构压缩。该提议模块通过具有共享可学习参数的正弦混合机制执行全局通道校准，强制在两个主干阶段之间保持一致的通道重要性，而无需独立的每个阶段参数集合。颈部和检测头保持完全经典且不变。在 VisDrone2019 基准测试上评估显示，QYOLOv8n 实现了参数数目降低 20.2%（从 301 万降至 240 万）和 12.3% 的 GFLOPs 降低，仅出现 0.4 pp mAP@50 的性能下降。QYOLOv8s 实现了 21.8% 的降低，仅出现 0.1 pp 的性能下降。结合知识蒸馏，可在不增加压缩成本的情况下恢复完整精度。 expanded 主干加颈部变体实现了 38% 到 41% 的降低，但伴随更大的精度下降，激励采用仅压缩主干的最终设计。
引用
@article{arxiv.2604.26435,
title = {QYOLO: Lightweight Object Detection via Quantum Inspired Shared Channel Mixing},
author = {Garvit Kumar Mittal and Sahil Tomar and Sandeep Kumar},
journal= {arXiv preprint arXiv:2604.26435},
year = {2026}
}